ClickHouse表引擎到底怎麼選

引言

表引擎在ClickHouse中的作用十分關鍵，直接決定了數據如何存儲和讀取、是否支持併發讀寫、是否支持index、支持的query種類、是否支持主備複製等。

ClickHouse提供了大約28種表引擎，各有各的用途，比如有Lo系列用來做小表數據分析，MergeTree系列用來做大數據量分析，而Integration系列則多用於外表數據集成。再考慮複製表Replicated系列，分佈式表Distributed等，紛繁複雜，新用戶上手選擇時常常感到迷惑。

本文嘗試對ClickHouse的表引擎進行梳理，幫忙大家快速入門ClickHouse。

ClickHouse表引擎概覽

下圖是ClickHouse提供的所有表引擎彙總。

一共分為四個系列，分別是Log、MergeTree、Integration、Special。其中包含了兩種特殊的表引擎Replicated、Distributed，功能上與其他表引擎正交，我們後續會單獨寫一篇文章來介紹。

Log系列

Log系列表引擎功能相對簡單，主要用於快速寫入小表（1百萬行左右的表），然後全部讀出的場景。

幾種Log表引擎的共性是：

• 數據被順序append寫到磁盤上；
• 不支持delete、update；
• 不支持index；
• 不支持原子性寫；
• insert會阻塞select操作。

它們彼此之間的區別是：

• TinyLog：不支持併發讀取數據文件，查詢性能較差；格式簡單，適合用來暫存中間數據；
• StripLog：支持併發讀取數據文件，查詢性能比TinyLog好；將所有列存儲在同一個大文件中，減少了文件個數；
• Log：支持併發讀取數據文件，查詢性能比TinyLog好；每個列會單獨存儲在一個獨立文件中。

Integration系列

該系統表引擎主要用於將外部數據導入到ClickHouse中，或者在ClickHouse中直接操作外部數據源。

• Kafka：將Kafka Topic中的數據直接導入到ClickHouse；
• MySQL：將Mysql作為存儲引擎，直接在ClickHouse中對MySQL表進行select等操作；
• JDBC/ODBC：通過指定jdbc、odbc連接串讀取數據源；
• HDFS：直接讀取HDFS上的特定格式的數據文件；

Special系列

Special系列的表引擎，大多是為了特定場景而定製的。這裡也挑選幾個簡單介紹，不做詳述。

• Memory：將數據存儲在內存中，重啟後會導致數據丟失。查詢性能極好，適合於對於數據持久性沒有要求的1億一下的小表。在ClickHouse中，通常用來做臨時表。
• Buffer：為目標表設置一個內存buffer，當buffer達到了一定條件之後會flush到磁盤。
• File：直接將本地文件作為數據存儲；
• Null：寫入數據被丟棄、讀取數據為空；

MergeTree系列

Log、Special、Integration主要用於特殊用途，場景相對有限。MergeTree系列才是官方主推的存儲引擎，支持幾乎所有ClickHouse核心功能。

以下重點介紹MergeTree、ReplacingMergeTree、CollapsingMergeTree、VersionedCollapsingMergeTree、SummingMergeTree、AggregatingMergeTree引擎。

MergeTree

MergeTree表引擎主要用於海量數據分析，支持數據分區、存儲有序、主鍵索引、稀疏索引、數據TTL等。MergeTree支持所有ClickHouse SQL語法，但是有些功能與MySQL並不一致，比如在MergeTree中主鍵並不用於去重，以下通過示例說明。

如下建表DDL所示，test_tbl的主鍵為(id, create_time)，並且按照主鍵進行存儲排序，按照create_time進行數據分區，數據保留最近一個月。

CREATE TABLE test_tbl (
  id UInt16,
  create_time Date,
  comment Nullable(String)
) ENGINE = MergeTree()
   PARTITION BY create_time
     ORDER BY  (id, create_time)
     PRIMARY KEY (id, create_time)
     TTL create_time + INTERVAL 1 MONTH
     SETTINGS index_granularity=8192;

寫入數據：值得注意的是這裡我們寫入了幾條primary key相同的數據。

insert into test_tbl values(0, '2019-12-12', null);
insert into test_tbl values(0, '2019-12-12', null);
insert into test_tbl values(1, '2019-12-13', null);
insert into test_tbl values(1, '2019-12-13', null);
insert into test_tbl values(2, '2019-12-14', null);

查詢數據： 可以看到雖然主鍵id、create_time相同的數據只有3條數據，但是結果卻有5行。

select count(*) from test_tbl;
┌─count()─┐
│       5 │
└─────────┘

select * from test_tbl;
┌─id─┬─create_time─┬─comment─┐
│  2 │  2019-12-14 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘
┌─id─┬─create_time─┬─comment─┐
│  1 │  2019-12-13 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘
┌─id─┬─create_time─┬─comment─┐
│  0 │  2019-12-12 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘
┌─id─┬─create_time─┬─comment─┐
│  1 │  2019-12-13 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘
┌─id─┬─create_time─┬─comment─┐
│  0 │  2019-12-12 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘

由於MergeTree採用類似LSM tree的結構，很多存儲層處理邏輯直到Compaction期間才會發生。因此強制後臺compaction執行完畢，再次查詢，發現仍舊有5條數據。

optimize table test_tbl final;


select count(*) from test_tbl;
┌─count()─┐
│       5 │
└─────────┘

select * from test_tbl;
┌─id─┬─create_time─┬─comment─┐
│  2 │  2019-12-14 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘
┌─id─┬─create_time─┬─comment─┐
│  0 │  2019-12-12 │ ᴺᵁᴸᴸ    │
│  0 │  2019-12-12 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘
┌─id─┬─create_time─┬─comment─┐
│  1 │  2019-12-13 │ ᴺᵁᴸᴸ    │
│  1 │  2019-12-13 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘

結合以上示例可以看到，MergeTree雖然有主鍵索引，但是其主要作用是加速查詢，而不是類似MySQL等數據庫用來保持記錄唯一。即便在Compaction完成後，主鍵相同的數據行也仍舊共同存在。

ReplacingMergeTree

為了解決MergeTree相同主鍵無法去重的問題，ClickHouse提供了ReplacingMergeTree引擎，用來做去重。

示例如下：

-- 建表
CREATE TABLE test_tbl_replacing (
  id UInt16,
  create_time Date,
  comment Nullable(String)
) ENGINE = ReplacingMergeTree()
   PARTITION BY create_time
     ORDER BY  (id, create_time)
     PRIMARY KEY (id, create_time)
     TTL create_time + INTERVAL 1 MONTH
     SETTINGS index_granularity=8192;

-- 寫入主鍵重複的數據
insert into test_tbl_replacing values(0, '2019-12-12', null);
insert into test_tbl_replacing values(0, '2019-12-12', null);
insert into test_tbl_replacing values(1, '2019-12-13', null);
insert into test_tbl_replacing values(1, '2019-12-13', null);
insert into test_tbl_replacing values(2, '2019-12-14', null);

-- 查詢，可以看到未compaction之前，主鍵重複的數據，仍舊存在。
select count(*) from test_tbl_replacing;
┌─count()─┐
│       5 │
└─────────┘

select * from test_tbl_replacing;
┌─id─┬─create_time─┬─comment─┐
│  0 │  2019-12-12 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘
┌─id─┬─create_time─┬─comment─┐
│  0 │  2019-12-12 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘
┌─id─┬─create_time─┬─comment─┐
│  1 │  2019-12-13 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘
┌─id─┬─create_time─┬─comment─┐
│  1 │  2019-12-13 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘
┌─id─┬─create_time─┬─comment─┐
│  2 │  2019-12-14 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘


-- 強制後臺compaction：
optimize table test_tbl_replacing final;


-- 再次查詢：主鍵重複的數據已經消失。
select count(*) from test_tbl_replacing;
┌─count()─┐
│       3 │
└─────────┘

select * from test_tbl_replacing;
┌─id─┬─create_time─┬─comment─┐
│  2 │  2019-12-14 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘
┌─id─┬─create_time─┬─comment─┐
│  1 │  2019-12-13 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘
┌─id─┬─create_time─┬─comment─┐
│  0 │  2019-12-12 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘

雖然ReplacingMergeTree提供了主鍵去重的能力，但是仍舊有以下限制：

• 在沒有徹底optimize之前，可能無法達到主鍵去重的效果，比如部分數據已經被去重，而另外一部分數據仍舊有主鍵重複；
• 在分佈式場景下，相同primary key的數據可能被sharding到不同節點上，不同shard間可能無法去重；
• optimize是後臺動作，無法預測具體執行時間點；
• 手動執行optimize在海量數據場景下要消耗大量時間，無法滿足業務即時查詢的需求；

因此ReplacingMergeTree更多被用於確保數據最終被去重，而無法保證查詢過程中主鍵不重複。

CollapsingMergeTree

ClickHouse實現了CollapsingMergeTree來消除ReplacingMergeTree的限制。該引擎要求在建表語句中指定一個標記列Sign，後臺Compaction時會將主鍵相同、Sign相反的行進行摺疊，也即刪除。

CollapsingMergeTree將行按照Sign的值分為兩類：Sign=1的行稱之為狀態行，Sign=-1的行稱之為取消行。

每次需要新增狀態時，寫入一行狀態行；需要刪除狀態時，則寫入一行取消行。

在後臺Compaction時，狀態行與取消行會自動做摺疊（刪除）處理。而尚未進行Compaction的數據，狀態行與取消行同時存在。

因此為了能夠達到主鍵摺疊（刪除）的目的，需要業務層進行適當改造：

1） 執行刪除操作需要寫入取消行，而取消行中需要包含與原始狀態行一樣的數據（Sign列除外）。所以在應用層需要記錄原始狀態行的值，或者在執行刪除操作前先查詢數據庫獲取原始狀態行；

2）由於後臺Compaction時機無法預測，在發起查詢時，狀態行和取消行可能尚未被摺疊；另外，ClickHouse無法保證primary key相同的行落在同一個節點上，不在同一節點上的數據無法摺疊。因此在進行count(*)、sum(col)等聚合計算時，可能會存在數據冗餘的情況。為了獲得正確結果，業務層需要改寫SQL，將count()、sum(col)分別改寫為sum(Sign)、sum(col * Sign)。

以下用示例說明：

-- 建表
CREATE TABLE UAct
(
    UserID UInt64,
    PageViews UInt8,
    Duration UInt8,
    Sign Int8
)
ENGINE = CollapsingMergeTree(Sign)
ORDER BY UserID;

-- 插入狀態行，注意sign一列的值為1
INSERT INTO UAct VALUES (4324182021466249494, 5, 146, 1);

-- 插入一行取消行，用於抵消上述狀態行。注意sign一列的值為-1，其餘值與狀態行一致；
-- 並且插入一行主鍵相同的新狀態行，用來將PageViews從5更新至6，將Duration從146更新為185.
INSERT INTO UAct VALUES (4324182021466249494, 5, 146, -1), (4324182021466249494, 6, 185, 1);

-- 查詢數據：可以看到未Compaction之前，狀態行與取消行共存。
SELECT * FROM UAct;
┌──────────────UserID─┬─PageViews─┬─Duration─┬─Sign─┐
│ 4324182021466249494 │         5 │      146 │   -1 │
│ 4324182021466249494 │         6 │      185 │    1 │
└─────────────────────┴───────────┴──────────┴──────┘
┌──────────────UserID─┬─PageViews─┬─Duration─┬─Sign─┐
│ 4324182021466249494 │         5 │      146 │    1 │
└─────────────────────┴───────────┴──────────┴──────┘

-- 為了獲取正確的sum值，需要改寫SQL： 
-- sum(PageViews) => sum(PageViews * Sign)、 
-- sum(Duration) => sum(Duration * Sign)
SELECT
    UserID,
    sum(PageViews * Sign) AS PageViews,
    sum(Duration * Sign) AS Duration
FROM UAct
GROUP BY UserID
HAVING sum(Sign) > 0;
┌──────────────UserID─┬─PageViews─┬─Duration─┐
│ 4324182021466249494 │         6 │      185 │
└─────────────────────┴───────────┴──────────┘


-- 強制後臺Compaction
optimize table UAct final;

-- 再次查詢，可以看到狀態行、取消行已經被摺疊，只剩下最新的一行狀態行。
select * from UAct;
┌──────────────UserID─┬─PageViews─┬─Duration─┬─Sign─┐
│ 4324182021466249494 │         6 │      185 │    1 │
└─────────────────────┴───────────┴──────────┴──────┘

CollapsingMergeTree雖然解決了主鍵相同的數據即時刪除的問題，但是狀態持續變化且多線程並行寫入情況下，狀態行與取消行位置可能亂序，導致無法正常摺疊。

如下面例子所示：

亂序插入示例。

-- 建表
CREATE TABLE UAct_order
(
    UserID UInt64,
    PageViews UInt8,
    Duration UInt8,
    Sign Int8
)
ENGINE = CollapsingMergeTree(Sign)
ORDER BY UserID;

-- 先插入取消行
INSERT INTO UAct_order VALUES (4324182021466249495, 5, 146, -1);
-- 後插入狀態行
INSERT INTO UAct_order VALUES (4324182021466249495, 5, 146, 1);

-- 強制Compaction
optimize table UAct_order final;

-- 可以看到即便Compaction之後也無法進行主鍵摺疊: 2行數據仍舊都存在。
select * from UAct_order;
┌──────────────UserID─┬─PageViews─┬─Duration─┬─Sign─┐
│ 4324182021466249495 │         5 │      146 │   -1 │
│ 4324182021466249495 │         5 │      146 │    1 │
└─────────────────────┴───────────┴──────────┴──────┘

VersionedCollapsingMergeTree

為了解決CollapsingMergeTree亂序寫入情況下無法正常摺疊問題，VersionedCollapsingMergeTree表引擎在建表語句中新增了一列Version，用於在亂序情況下記錄狀態行與取消行的對應關係。主鍵相同，且Version相同、Sign相反的行，在Compaction時會被刪除。

與CollapsingMergeTree類似， 為了獲得正確結果，業務層需要改寫SQL，將count()、sum(col)分別改寫為sum(Sign)、sum(col * Sign)。

示例如下：

亂序插入示例。

-- 建表
CREATE TABLE UAct_version
(
    UserID UInt64,
    PageViews UInt8,
    Duration UInt8,
    Sign Int8,
    Version UInt8
)
ENGINE = VersionedCollapsingMergeTree(Sign, Version)
ORDER BY UserID;


-- 先插入一行取消行，注意Signz=-1, Version=1
INSERT INTO UAct_version VALUES (4324182021466249494, 5, 146, -1, 1);
-- 後插入一行狀態行，注意Sign=1, Version=1；及一行新的狀態行注意Sign=1, Version=2，將PageViews從5更新至6，將Duration從146更新為185。
INSERT INTO UAct_version VALUES (4324182021466249494, 5, 146, 1, 1),(4324182021466249494, 6, 185, 1, 2);


-- 查詢可以看到未compaction情況下，所有行都可見。
SELECT * FROM UAct_version;
┌──────────────UserID─┬─PageViews─┬─Duration─┬─Sign─┐
│ 4324182021466249494 │         5 │      146 │   -1 │
│ 4324182021466249494 │         6 │      185 │    1 │
└─────────────────────┴───────────┴──────────┴──────┘
┌──────────────UserID─┬─PageViews─┬─Duration─┬─Sign─┐
│ 4324182021466249494 │         5 │      146 │    1 │
└─────────────────────┴───────────┴──────────┴──────┘


-- 為了獲取正確的sum值，需要改寫SQL： 
-- sum(PageViews) => sum(PageViews * Sign)、 
-- sum(Duration) => sum(Duration * Sign)
SELECT
    UserID,
    sum(PageViews * Sign) AS PageViews,
    sum(Duration * Sign) AS Duration
FROM UAct_version
GROUP BY UserID
HAVING sum(Sign) > 0;
┌──────────────UserID─┬─PageViews─┬─Duration─┐
│ 4324182021466249494 │         6 │      185 │
└─────────────────────┴───────────┴──────────┘


-- 強制後臺Compaction
optimize table UAct_version final;


-- 再次查詢，可以看到即便取消行與狀態行位置亂序，仍舊可以被正確摺疊。
select * from UAct_version;
┌──────────────UserID─┬─PageViews─┬─Duration─┬─Sign─┬─Version─┐
│ 4324182021466249494 │         6 │      185 │    1 │       2 │
└─────────────────────┴───────────┴──────────┴──────┴─────────┘

SummingMergeTree

ClickHouse通過SummingMergeTree來支持對主鍵列進行預先聚合。在後臺Compaction時，會將主鍵相同的多行進行sum求和，然後使用一行數據取而代之，從而大幅度降低存儲空間佔用，提升聚合計算性能。

值得注意的是：

• ClickHouse只在後臺Compaction時才會進行數據的預先聚合，而compaction的執行時機無法預測，所以可能存在部分數據已經被預先聚合、部分數據尚未被聚合的情況。因此，在執行聚合計算時，SQL中仍需要使用GROUP BY子句。
• 在預先聚合時，ClickHouse會對主鍵列之外的其他所有列進行預聚合。如果這些列是可聚合的（比如數值類型），則直接sum；如果不可聚合（比如String類型），則隨機選擇一個值。
• 通常建議將SummingMergeTree與MergeTree配合使用，使用MergeTree來存儲具體明細，使用SummingMergeTree來存儲預先聚合的結果加速查詢。

示例如下：

-- 建表
CREATE TABLE summtt
(
    key UInt32,
    value UInt32
)
ENGINE = SummingMergeTree()
ORDER BY key

-- 插入數據
INSERT INTO summtt Values(1,1),(1,2),(2,1)

-- compaction前查詢，仍存在多行
select * from summtt;
┌─key─┬─value─┐
│   1 │     1 │
│   1 │     2 │
│   2 │     1 │
└─────┴───────┘

-- 通過GROUP BY進行聚合計算
SELECT key, sum(value) FROM summtt GROUP BY key
┌─key─┬─sum(value)─┐
│   2 │          1 │
│   1 │          3 │
└─────┴────────────┘

-- 強制compaction
optimize table summtt final;

-- compaction後查詢，可以看到數據已經被預先聚合
select * from summtt;
┌─key─┬─value─┐
│   1 │     3 │
│   2 │     1 │
└─────┴───────┘


-- compaction後，仍舊需要通過GROUP BY進行聚合計算
SELECT key, sum(value) FROM summtt GROUP BY key
┌─key─┬─sum(value)─┐
│   2 │          1 │
│   1 │          3 │
└─────┴────────────┘

AggregatingMergeTree

AggregatingMergeTree也是預先聚合引擎的一種，用於提升聚合計算的性能。與SummingMergeTree的區別在於：SummingMergeTree對非主鍵列進行sum聚合，而AggregatingMergeTree則可以指定各種聚合函數。

AggregatingMergeTree的語法比較複雜，需要結合物化視圖或ClickHouse的特殊數據類型AggregateFunction一起使用。在insert和select時，也有獨特的寫法和要求：寫入時需要使用-State語法，查詢時使用-Merge語法。

以下通過示例進行介紹。

示例一：配合物化視圖使用。

-- 建立明細表
CREATE TABLE visits
(
    UserID UInt64,
    CounterID UInt8,
    StartDate Date,
    Sign Int8
)
ENGINE = CollapsingMergeTree(Sign)
ORDER BY UserID;

-- 對明細表建立物化視圖，該物化視圖對明細表進行預先聚合
-- 注意：預先聚合使用的函數分別為： sumState, uniqState。對應於寫入語法<agg>-State.
CREATE MATERIALIZED VIEW visits_agg_view
ENGINE = AggregatingMergeTree() PARTITION BY toYYYYMM(StartDate) ORDER BY (CounterID, StartDate)
AS SELECT
    CounterID,
    StartDate,
    sumState(Sign)    AS Visits,
    uniqState(UserID) AS Users
FROM visits
GROUP BY CounterID, StartDate;

-- 插入明細數據
INSERT INTO visits VALUES(0, 0, '2019-11-11', 1);
INSERT INTO visits VALUES(1, 1, '2019-11-12', 1);

-- 對物化視圖進行最終的聚合操作
-- 注意：使用的聚合函數為 sumMerge， uniqMerge。對應於查詢語法<agg>-Merge.
SELECT
    StartDate,
    sumMerge(Visits) AS Visits,
    uniqMerge(Users) AS Users
FROM visits_agg_view
GROUP BY StartDate
ORDER BY StartDate;

-- 普通函數 sum, uniq不再可以使用
-- 如下SQL會報錯： Illegal type AggregateFunction(sum, Int8) of argument 
SELECT
    StartDate,
    sum(Visits),
    uniq(Users)
FROM visits_agg_view
GROUP BY StartDate
ORDER BY StartDate;

示例二：配合特殊數據類型AggregateFunction使用。

-- 建立明細表
CREATE TABLE detail_table
(   CounterID UInt8,
    StartDate Date,
    UserID UInt64
) ENGINE = MergeTree() 
PARTITION BY toYYYYMM(StartDate) 
ORDER BY (CounterID, StartDate);

-- 插入明細數據
INSERT INTO detail_table VALUES(0, '2019-11-11', 1);
INSERT INTO detail_table VALUES(1, '2019-11-12', 1);

-- 建立預先聚合表，
-- 注意：其中UserID一列的類型為：AggregateFunction(uniq, UInt64)
CREATE TABLE agg_table
(   CounterID UInt8,
    StartDate Date,
    UserID AggregateFunction(uniq, UInt64)
) ENGINE = AggregatingMergeTree() 
PARTITION BY toYYYYMM(StartDate) 
ORDER BY (CounterID, StartDate);

-- 從明細表中讀取數據，插入聚合表。
-- 注意：子查詢中使用的聚合函數為 uniqState， 對應於寫入語法<agg>-State
INSERT INTO agg_table
select CounterID, StartDate, uniqState(UserID)
from detail_table
group by CounterID, StartDate

-- 不能使用普通insert語句向AggregatingMergeTree中插入數據。
-- 本SQL會報錯：Cannot convert UInt64 to AggregateFunction(uniq, UInt64)
INSERT INTO agg_table VALUES(1, '2019-11-12', 1);

-- 從聚合表中查詢。
-- 注意：select中使用的聚合函數為uniqMerge，對應於查詢語法<agg>-Merge
SELECT uniqMerge(UserID) AS state 
FROM agg_table 
GROUP BY CounterID, StartDate;

結語

ClickHouse提供了豐富多樣的表引擎，應對不同的業務需求。本文概覽了ClickHouse的表引擎，同時對於MergeTree系列表引擎進行了詳細對比和樣例示範。

在這些表引擎之外，ClickHouse還提供了Replicated、Distributed等高級表引擎，我們會在後續進一步深度解讀。

寫在最後

阿里雲已經率先推出了ClickHouse的雲託管產品，產品首頁地址：雲數據庫ClickHouse，目前正在免費公測中，歡迎大家點擊鏈接申請免費試用。

我們也開通了阿里雲ClickHouse釘釘交流群，通過專業的數據庫專家為客戶提供諮詢、答疑服務。歡迎大家任選如下方式入群交流，我們將會定期推送ClickHouse最佳實踐、操作指南、原理解讀等深度文章。

• 方式一：使用釘釘搜索群號 23300515
• 方式二：使用釘釘掃描下方二維碼